基于激光雷达点云的田地作物三维重构方法技术

本发明专利技术公开了一种基于激光雷达点云的田地作物三维重构方法，包括通过激光雷达获取田地作物的点云数据，对点云数据进行数据预处理；提取少量点云作为关键控制点，利用关键控制点并通过不规则三角网建立数字表面模型和数字地面模型；根据数字表面模型构建初始穗层空间模型，通过Otsu阈值法获取实际穗层空间模型内的点云数据；采用基于密度的聚类算法将实际穗层空间模型内的点云分割成多个点云簇；校正点云簇数量，点云簇数量即为作物穗数量，根据数字地面模型计算作物高度；根据获得的作物数量、作物高度和作物穗坐标，构建田地内作物三维模型。本发明专利技术实现了对田地作物三维模型的构建，为大田的数字化管理提供足够的数据支撑。

3D reconstruction of field crop based on LIDAR point cloud

【技术实现步骤摘要】
基于激光雷达点云的田地作物三维重构方法
本专利技术属于农机智能化领域，具体涉及一种基于激光雷达点云的田地作物三维重构方法。
技术介绍
作物模型的三维构建，对于作物株型分析、植物冠层生理生态指标计算具有重要的研究意义，为作物的数字化管理，精准施肥、施药和产量预估等提供理论依据。当前作物三维模型重构的研究主要集中在单株作物地上器官几何造型与可视化研究，包括对茎秆、叶片和作物穗的形态建成，或者是根系三维形态建模。然而单株作物三维模型不能为大田管理提供足够的数据依据。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种基于激光雷达点云的田地作物三维重构方法，本基于激光雷达点云的田地作物三维重构方法利用搭载激光雷达的无人机对田地作物进行扫描，利用点云数据计算作物数量、作物高度和作物穗坐标，实现了对田地作物三维模型的构建，为大田的数字化管理提供数据支撑。为实现上述技术目的，本专利技术采取的技术方案为：一种基于激光雷达点云的田地作物三维重构方法，包括以下步骤：(1)、通过激光雷达扫描田地作物进而获取点云数据，将激光雷达输出的点云数据进行数据预处理；(2)、在预处理后的点云数据中提取少量点云作为关键控制点，利用关键控制点并通过不规则三角网建立数字表面模型s和数字地面模型；(3)、预设数字表面模型s上方需要扩展的高度值hu和下方需要扩展的高度值hd，将s+hu和s-hd共同构成初始穗层空间模型的上边界和下边界，从预处理后的点云数据中滤除不属于初始穗层空间模型内的点云数据；采用Otsu阈值法计算最优高度阈值ht，去除初始穗层空间模型内低于高度阈值ht的点云数据，得到实际穗层空间模型内的点云数据；(4)、采用基于密度的聚类算法DBSCAN法将实际穗层空间模型内的点云数据分割成多个点云簇，获得点云簇数量和点云簇内的各个点云数据；(5)、校正点云簇数量，将校正后的点云簇数量作为作物穗数量，将每个点云簇内的各个点云坐标的平均值作为每个作物穗坐标，其中作物穗的数量即为作物的数量；(6)、将作物穗的X轴坐标值和Y轴坐标值带入数字地面模型内，得到对应的地面高度值，将作物穗的Z轴坐标值减去对应的地面高度值，得到作物穗对应作物的实际高度；(7)、根据获得的作物数量、每个作物实际高度和每个作物顶部的作物穗坐标，绘制三维视图，得到田地内作物三维模型。作为本专利技术进一步改进的技术方案，所述的步骤(1)包括：无人机搭载激光雷达，分别建立激光雷达坐标系OL-XLYLZL和无人机坐标系OV-XVYVZV；无人机飞过田地且无人机上的激光雷达扫描田地作物，获取田地作物的点云数据，将激光雷达输出的点云数据从极坐标转换到激光雷达笛卡尔坐标系OL-XLYLZL内，将激光雷达坐标系OL-XLYLZL内的点云数据转换到无人机坐标系OV-XVYVZV中，将无人机坐标系OV-XVYVZV内的点云数据转换到世界坐标系O-XYZ中；设定强度阈值，滤除点云数据中反射强度小于强度阈值的点云数据，并采用KD-Tree点云去噪方法去除点云数据中的噪音点。作为本专利技术进一步改进的技术方案，所述的步骤(2)包括：将预处理后的点云数据所在坐标系O-XYZ的XOY水平面划分为多个尺寸一致的单元格，以每个单元格为底面，建立多个直方体，在每个直方体内分别寻找高程值最大的点云，将寻找到的点云均作为第一关键控制点，将所有第一关键控制点映射到XOY平面上，基于XOY平面上的第一关键控制点并采用Delaunay不规则三角网生成法建立数字表面模型s；将预处理后的点云数据所在坐标系O-XYZ的XOY水平面划分为多个尺寸一致的单元格，以每个单元格为底面，建立多个直方体，在每个直方体内分别寻找高程值最小的点云，将寻找到的点云作为第二关键控制点，将所有第二关键控制点映射到XOY平面上，基于XOY平面上的第二关键控制点并采用Delaunay不规则三角网生成法建立数字地面模型。作为本专利技术进一步改进的技术方案，其中基于XOY平面上的第一关键控制点并采用Delaunay不规则三角网生成法建立数字表面模型s具体为：(a)、将映射到XOY平面上的所有第一关键控制点放入点集中，将点集划分为两个点数相等的子点集；(b)、在子点集中构造Delaunay三角网；(c)、分别连接两个子点集所构成的Delaunay三角网的底线和顶线；(d)、从底线到顶线合并两个子点集的Delaunay三角网，并利用Lawson局部优化算法对合并后的三角网进行优化，得到符合Delaunay规则的三角网；(e)、将步骤(d)最终生成的三角网映射到O-XYZ三维空间坐标系中，得到数字表面模型s。作为本专利技术进一步改进的技术方案，其中基于XOY平面上的第二关键控制点并采用Delaunay不规则三角网生成法建立数字地面模型具体为：(a)、将映射到XOY平面上的所有第二关键控制点放入点集中，将点集划分为两个点数相等的子点集；(b)、在子点集中构造Delaunay三角网；(c)、分别连接两个子点集所构成的Delaunay三角网的底线和顶线；(d)、从底线到顶线合并两个子点集的Delaunay三角网，并利用Lawson局部优化算法对合并后的三角网进行优化，得到符合Delaunay规则的三角网；(e)、将步骤(d)最终生成的三角网映射到O-XYZ三维空间坐标系中，得到数字地面模型。作为本专利技术进一步改进的技术方案，所述的步骤(5)具体包括：(a)将点云簇内各个点云数据在水平面投影，获取水平面内各个点云簇投影的凸闭包，若某两个点云簇的凸闭包有重合，设该两个点云簇的凸闭包分别为A和B，计算两者的重合面积；(b)设定重合面积阈值Toverlap，若某两个点云簇的凸闭包的重合面积与max{SA,SB}的比值大于等于Toverlap，则分别计算两个点云簇内各个点云的Z轴坐标的平均值，将其中Z轴坐标的平均值低的点云簇剔除，其中SA，SB分别为A、B的面积；若某两个点云簇的凸闭包的重合面积与max{SA,SB}的比值小于Toverlap，则继续保留该两个点云簇；(c)将剔除的点云簇不作为作物穗，其余点云簇均作为作物穗，校正后的点云簇数量即为作物穗数量；(d)将点云簇内的各个点云的X轴坐标的平均值、Y轴坐标的平均值、Z轴坐标的平均值分别作为对应作物穗的X轴、Y轴和Z的坐标值。本专利技术的有益效果为：本专利技术通过三维点云数据，直接识别作物的穗，可获取作物穗的坐标、作物实际高度和数量，相比于手工测量的方法，极大地较少人工成本，且相比于测量单株作物信息统计田地作物信息的方法，能提高作物参数估计的准确性，为大田的数字化管理提供足够的数据支撑。附图说明图1为本实施例的工作流程图。图2为本实施例的激光雷达点云数据的极坐标与笛卡尔坐标关系示意图。图3为本实施例的不规则三角网示意图。图4为本实施例点云分布直方图。图5为本实施例KD-Tree划分后的DBSCAN点云聚类过程图。具体实施方式下面根据图1至图5对本专利技术的具体实施方式作出进一步说明：本实施例的田地作物以麦田作为对象，田地小麦三维模型重构方法如图1所示，具体如下：(一)获取数据及数据预处理：控制搭载激光雷达的无人机飞过麦田，激光雷达扫描小麦获取点云数据，之后进行数据预处理。本实施例的数据预处理过程为：(1)点云坐标转换：(a)建立激本文档来自技高网...

【技术保护点】
1.一种基于激光雷达点云的田地作物三维重构方法，其特征在于，包括以下步骤：(1)、通过激光雷达扫描田地作物进而获取点云数据，将激光雷达输出的点云数据进行数据预处理；(2)、在预处理后的点云数据中提取少量点云作为关键控制点，利用关键控制点并通过不规则三角网建立数字表面模型s和数字地面模型；(3)、预设数字表面模型s上方需要扩展的高度值hu和下方需要扩展的高度值hd，将s+hu和s‑hd共同构成初始穗层空间模型的上边界和下边界，从预处理后的点云数据中滤除不属于初始穗层空间模型内的点云数据；采用Otsu阈值法计算最优高度阈值ht，去除初始穗层空间模型内低于高度阈值ht的点云数据，得到实际穗层空间模型内的点云数据；(4)、采用基于密度的聚类算法DBSCAN法将实际穗层空间模型内的点云数据分割成多个点云簇，获得点云簇数量和点云簇内的各个点云数据；(5)、校正点云簇数量，将校正后的点云簇数量作为作物穗数量，将每个点云簇内的各个点云坐标的平均值作为每个作物穗坐标，其中作物穗的数量即为作物的数量；(6)、将作物穗的X轴坐标值和Y轴坐标值带入数字地面模型内，得到对应的地面高度值，将作物穗的Z轴坐标值减去对应的地面高度值，得到作物穗对应作物的实际高度；(7)、根据获得的作物数量、每个作物实际高度和每个作物顶部的作物穗坐标，绘制三维视图，得到田地内作物三维模型。...

【技术特征摘要】
1.一种基于激光雷达点云的田地作物三维重构方法，其特征在于，包括以下步骤：(1)、通过激光雷达扫描田地作物进而获取点云数据，将激光雷达输出的点云数据进行数据预处理；(2)、在预处理后的点云数据中提取少量点云作为关键控制点，利用关键控制点并通过不规则三角网建立数字表面模型s和数字地面模型；(3)、预设数字表面模型s上方需要扩展的高度值hu和下方需要扩展的高度值hd，将s+hu和s-hd共同构成初始穗层空间模型的上边界和下边界，从预处理后的点云数据中滤除不属于初始穗层空间模型内的点云数据；采用Otsu阈值法计算最优高度阈值ht，去除初始穗层空间模型内低于高度阈值ht的点云数据，得到实际穗层空间模型内的点云数据；(4)、采用基于密度的聚类算法DBSCAN法将实际穗层空间模型内的点云数据分割成多个点云簇，获得点云簇数量和点云簇内的各个点云数据；(5)、校正点云簇数量，将校正后的点云簇数量作为作物穗数量，将每个点云簇内的各个点云坐标的平均值作为每个作物穗坐标，其中作物穗的数量即为作物的数量；(6)、将作物穗的X轴坐标值和Y轴坐标值带入数字地面模型内，得到对应的地面高度值，将作物穗的Z轴坐标值减去对应的地面高度值，得到作物穗对应作物的实际高度；(7)、根据获得的作物数量、每个作物实际高度和每个作物顶部的作物穗坐标，绘制三维视图，得到田地内作物三维模型。2.根据权利要求1所述的基于激光雷达点云的田地作物三维重构方法，其特征在于，所述的步骤(1)包括：无人机搭载激光雷达，分别建立激光雷达坐标系OL-XLYLZL和无人机坐标系OV-XVYVZV；无人机飞过田地且无人机上的激光雷达扫描田地作物，获取田地作物的点云数据，将激光雷达输出的点云数据从极坐标转换到激光雷达笛卡尔坐标系OL-XLYLZL内，将激光雷达坐标系OL-XLYLZL内的点云数据转换到无人机坐标系OV-XVYVZV中，将无人机坐标系OV-XVYVZV内的点云数据转换到世界坐标系O-XYZ中；设定强度阈值，滤除点云数据中反射强度小于强度阈值的点云数据，并采用KD-Tree点云去噪方法去除点云数据中的噪音点。3.根据权利要求1所述的基于激光雷达点云的田地作物三维重构方法，其特征在于，所述的步骤(2)包括：将预处理后的点云数据所在坐标系O-XYZ的XOY水平面划分为多个尺寸一致的单元格，以每个单元格为底面，建立多个直方体，在每个直方体内分别寻找高程值最大的点云，将寻找到的点云均作为第一关键控制点，将所有第一关键控制点映射到XOY平面上，基于XOY平面上的第一关键控制点并采用Delaunay不规则三角网生成法建立数字表面模型s；将预处理后的点云数据所在坐标系O-XYZ的XOY水平面划分为多个尺寸一致的单元格，以每个单元格为底面，建立多...

【专利技术属性】
技术研发人员：赵奉奎，苏珊珊，李旭东，王宇歌，朱少华，夏兆君，谢璐阳，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏,32